多層級地址語義模型構建及其在疫情防控中的應用

尹向軍，陳 陣，張俊磊，崔立新，趙 偉，黃華月

(1.南京市城市規劃編制研究中心，江蘇 南京 210029; 2.豐圖科技(深圳)有限公司，廣東 深圳 518000；3.察布查爾縣住房和城鄉建設局，新疆 伊犁 835300)

時空大數據建設是新型智慧城市的一項基礎性工作，基于精準地址的地理基座是時空大數據建設工作最核心的內容之一。當前，城市各部門匯集了大量的地址數據，包括測繪部門采集的大量“所見即所得”地址數據、民政部門開展的第二次地名普查數據、公安部門發放的門樓牌地址。此外，水、電、氣等部門建立了專項地址數據庫，互聯網公司基于快遞服務迅速獲取了大量用戶語義地址數據。這充分體現了地址信息對各行業管理工作的重要性，但也從側面反映出地址工作呈現多頭管理和建設局面。在數字城市階段，沒有從地理實體源頭考慮,且在沒有確定地理實體顆粒度的前提下進行的地址建設無法實現地址數據集約共建和統一共享。

本文面向以應用為導向的精細化管理需求，強化地址標準化管理，建立統一的多層級地址語義模型和地址唯一編碼。集中開展地址清理采集工作，有效解決地址“重、錯、漏”的問題，實行地址新增、變更、停用、注銷全周期統一管理。將各類政務數據、社會企業數據進行標準化治理，提取地址信息，并與統一標準地址庫進行關聯融合，形成地址資源庫，最終將地址資源庫地址精確到棟或單元的地理實體，構建智慧城市的統一地理基座，進而全面支撐智慧城市的建設、運營、管理及應用。

1 多層級地址語義模型

地址的重要性在于其廣泛的用戶群，包括政府、公眾、組織和商業行為，城市地址模型要充分地顧及公眾對城市空間結構的認知規律，并結合城市規劃的特點，構建易于形成公眾城市空間結構知識的地址模型[1]。地址本質上是一組空間地址元素，按照一種地址表示結構組合在一起的字符串。地址模型旨在盡可能完整地把人類在生產生活中對空間位置的描述細化成地理實體顆粒語言，并實現準確定位。多層級地址模型(如圖1所示)通過地理實體、地址元素、地址3個層次表達。地址元素是地址的組成部分，一個地址元素會參與多條地址的組成，多個地址元素組合形成地址。通過元素識別，把地址中蘊含的地址元素及地址表示結構抽取出來，用于融合、關聯、標準化處理。建立地址主體元素和行政區劃、標簽及主體內部元素之間的上下級關系，標準的地址元素按一定規則、次序排列形成標準地址。

2 統一地址庫建設

通過對地址的多層級語義解析，結合地址數據現狀，對多源地址數據進行標準化融合處理，實現存量地址數據的描述標準化治理，建立地址語義庫，輸出為規范的統一標準地址庫[2]。建設流程(如圖2所示)主要包括數據預處理、數據檢查、數據修復、數據融合及數據標準化處理等。

2.1 數據預處理

首先需要解析原始地址數據的格式，根據相關業務說明抽取地址相關字段并轉化為內部統一地址規格，建立原始地址和內部地址的關聯關系。根據數據預處理情況，進行數據的補充和選取，以提高標準地址庫的覆蓋率，對數據中不規范地址進行標準化和文本排重處理，保證各類地址記錄的唯一性。

2.2 數據檢查

數據預處理完成后，需要進行數據檢查，識別和挑選出無效地址和垃圾地址，明確數據的走向，減少后續工作流程中的關聯及標準化錯誤，提升數據關聯和標準化指標。數據檢查要確保數據的完整性，避免錯漏異議記錄入庫，根據入庫信息正確識別層級關系并將錯誤類型進行分類標識，便于后續數據的修復。

2.3 數據修復

數據修復使得地址結構完整且正常，不同類別的錯誤有不同的修復手段，如正則表達式、文本替換等，對于無法確定的通過標記的方式，進行逐一確認。

2.4 數據標準化

地址數據標準化處理主要包括要素標準化、標準化檢查、標準化入庫。對每個地址元素，都有一個標準的名稱，從收集的所有名稱中，根據來源頻次和對名稱結構的評估，選出最標準的名稱。對現實世界的每一個地物，都賦予一個標準地址。對每一個要素，都有一個標準地址結構。在地址結構的要求下，借助標準要素關系，填充最標準的要素名稱。

2.5 數據融合

數據融合一方面進行同名聚合，將主體元素同名的數據聚合，聚合半徑設定為固定值，通過完全匹配、標簽檢查、距離校驗等，將聚合半徑范圍內的地址數據按照主體元素聚合分組。另一方面進行語義聚合，即主體元素相似的數據聚合，聚合半徑設置為更大范圍的固定值，通過相似度匹配、標簽檢查、距離校驗等將聚合半徑范圍內的語義地址進行語義聚合分組，形成語義聚合壓縮后的統一地址。

3 地理實體關聯技術

地址數據是地理實體這一核心要素的一類重要信息，所有的地址數據都是圍繞地理實體這一核心要素。地址是地理實體位置的結構化描述，地理實體空間位置的表達[3]。地理實體的“址”必須依托于一個客觀存在的地理實體，依據與不同層次等級的顆粒度建立通用的地址數據庫，要對地理實體進行分類梳理，根據整理所得的地理實體分類分級體系開展其地址數據的采集、整合、建庫工作。地址數據的產生、管理、維護和應用其實質就是對地理實體這一核心的認識、理解、分類、編碼、空間定位與管理的問題。

地址與地理實體通過空間關聯和文本關聯等技術手段，實現地址編碼與地理實體編碼的一一對應。

3.1 空間關聯

地址與地理實體的空間關聯(如圖3所示)是通過地址點數據坐標屬性值和樓棟數據區域屬性值進行疊加分析，檢查點面之間的包含關系，并建立唯一編碼關聯關系。

圖3 空間數據關聯方法

3.2 文本關聯

地址與地理實體的文本關聯方案是對空間關聯方案的補充。對空間關聯不上或空間關聯質量不達標的數據進行文本關聯，主要有兩種形式。

一是基于緩沖區的文本關聯(如圖4所示)：在點數據一定緩沖區范圍內，通過分詞算法提取點數據和樓棟面數據的要素名稱，通過完全匹配算法、相似度算法進行文本匹配關聯。

圖4 緩沖區文本關聯方法

二是基于歸一化的文本關聯(如圖5所示)：將面數據轉成點數據格式，然后對點數據進行標準化處理，利用歸一化后的成果進行關聯。

圖5 歸一化文本關聯方法

3.3 關聯成果

本次試驗范圍為江蘇省南京市鼓樓、建鄴、秦淮、玄武、棲霞、雨花及江北新區共計千余平方千米，基于公安門樓址、調查采集及商業地址共計20余萬條記錄，開展了數據清洗和關聯，建立了標準地址樓棟或單元級的地理實體自動關聯(如圖6所示)。關聯結果顯示標準地址與建筑物實體整體準確率在90%以上,尤其新建、規整建筑物實體數據關聯準確率達到100%。基于多層級地址語義模型構建的多源地址數據建庫關聯技術，較傳統調查采集方法具有工作效率高和錯誤率低的優勢，全面提升了數據成果規格的準確率，明顯改善了社會治理和管理的能力。

圖6 地址和地理實體關聯

4 地址數據在疫情防控中的應用

由于現實世界中超過80%的數據與地理位置相關，地理位置主要通過空間坐標和語義描述進行地址表達[4]，地址成為包括面向疫情防控在內的很多大數據應用和服務的基礎。借助于地理搜索、智能輸入提示、地理編碼、逆地理編碼及數據關聯等地址服務，可以實現“以地址找房、以房找人、以人找企業”等實際應用。地址數據在疫情防控中的應用主要體現在疫情監測和疫情信息服務方面。在COVID-19疫情中，地址數據為公共疫情防控提供了疫情統計、病例分布情況查詢等服務。利用戶籍地址、企業注冊地址與標準地址的匹配服務，可協助疫情精準防控和社會復工復產。

4.1 疫情統計

疫情的監測可以幫助衛生防控部門及時了解疫情擴散的狀態及各地區疫情的嚴重程度，協助使其更加合理地部署和協調醫療資源，幫助公眾了解周邊的感染源分布情況，采取遠離感染者、居家隔離等方式進行科學的預防感染。基于統一的地址服務，可以統計公共疫情分布情況，如圖7所示。

圖7 疫情統計分布

4.2 疫情防控

基于標準地址的建筑物實體可實現人、房、組織、事件、部件有效融合、自動綜合和關聯聚類，將確診、疑似病人與社會管理資源池進行比對，獲取人口實際居住情況(如圖8所示)。通過地址匹配進行空間定位，快速實現人員的網格化管理，以此進行密切接觸人員的監管，并分析疫情傳播規律及公共設施對疫情傳播造成的影響。

圖8 人口數據地址關聯應用

4.3 企業復工

在企業復工階段，通過工商地址與標準地址的快速匹配，將企業名稱落實到樓宇位置上(如圖9所示)，能夠隨時隨地查看企業復工信息，實現載體、樓宇、企業人口規模信息的動態維護，為企業復工、疫情防控及醫療資源配備提供全面的管理和支撐。

圖9 企業數據房屋關聯應用

標準地址匹配技術在此次疫情防控過程中為各政府管理部門提供了統一的地址匹配與地圖定位服務，隨著智慧城市建設的深入，地址服務尤其在政府宏觀決策、城市規劃與建設、城市管理與公共安全方面具有廣闊的應用場景和社會價值。

5 結 語

在數字城市階段，地理信息數據服務方式主要是背景圖。隨著智慧城市建設的推進和深入，用戶逐漸對地理實體應用需求更加關注，通過生產統一的地理基座，構建全面的、以地址為視角的城市畫像，極大地改善了目前普遍存在的部門業務數據難以應用的現狀，同時有助于面向各政府部門實現統一的地址匹配與地理實體定位服務。基于多層級地址語義模型構建的地理實體庫，在樓棟及單元級地址應用中取得了顯著的效果，但隨著城市治理進一步精細化，對于非建筑類地理實體，如模糊的語義地址，某小區快遞柜、某條道路路燈等，及在應急保障上需求也日漸急迫，未來需進一步構建精細化的地理實體細分類，建立地址和地理實體動態協同更新的機制，全面推進智慧城市的建設。